Låse opp AI’s potensial med eit barns persepsjon
Småbarn har ekte underverk i si medfødde tenking. Sjølv om dei er avhengige av dei som passar på dei, har desse små ein medfødd forståing for fysikk og evnen til raskt å assimilere nye språk og konsept frå avgrensa informasjon. Moderne AI-system, som ChatGPT, har enno ikkje klart å fange denne djupt forståingsfulle sansen som barn viser, og som utan anstrenging kan forutsjå verda rundt seg.
Lær som eit barn: Gjennombrot for AI
Forskarar ved New York University har gått inn i eit ekstraordinært eksperiment som kan forma om læringa til kunstig intelligens. Dei introduserte ei form for AI som lærte frå ei betydeleg mindre database – ei som liknar på det eit ungt barn opplever når det lærer å snakke. Dette metodikken gjorde at AI-en kunne gjera betydelege framsteg og speila læringsprosessen til eit barn kalla Sam.
I nesten eit og eit halvt år, frå då Sam var seks månader gamal til han vart to år, utstyrte forskarane han med eit kamera festa på hovudet. Materialet som vart samla inn, fanget 61 timar av Sams interaksjonar med omgjevnadene sine, inkludert familiar, husdyr, sprinkelseng, leiker, heim, og måltider. Kognitiv vitskapsmann Brenden Lake ved NYU kalla denne databasen for eit unikt vindauge inn i eit barns verden. Ved å bruke 600 000 bilete frå desse innspelingane saman med 37 500 tilfelle av yttra ord i barnets omgjevnad, lærte dei eit nevralt nettverk å korrelere ord med objekt.
Opplysende funn frå data om småbarn
Dei oppmuntrende resultata frå dette eksperimentet kan bane vegen for meir sofistikerte og intuitivt bevisste AI-system. Evna til born til å læra språk og forstå fysikken i omgjevnadene sine med minimal data utfordrar tanken om at kompleks innebygd kunnskap er naudsynt. I staden kan det vera at ei moderat eksponering for verden er nok, slik det vart demonstrert gjennom Sams hovudmonterte kameraeksperiment, noko som Jess Sullivan, ein utviklingspsykolog som var involvert i studien, fann djupt tankevekkjande.
AI’s veg mot intuitiv fysikk
Inspirert av eksempelet til born som lærer gjennom observasjon og interaksjon, har vitskapsmenn ved Google DeepMind mål om å gi AI den same «intuitive fysikk»-sansa. Ved å fokusere på bevegande objekt heller enn enkeltpikslar, og ved å bruka hundretusenvis av videoar til trening, lærte dei AI-en å føresjå objektoppførsel – ein innsats som samsvarar med psykologisk forventningsbruddsteori og barnepsykologi.
Ein visjon for AI-framtida: Den globale modellen i sinnet
Turingprisvinnaren og AI-leiaren ved Meta, Yann LeCun, fremjar perspektivet at å trene AI til å sjå verda gjennom eit barns auge kunne føra til utviklinga av «verdsmodellar» i AI-system. Han hypoetiserer at desse modellane vil tillata AI å intuitivt forstå tredimensjonal røynd og føresjå framtidige utfall, og dermed skyva AI nærare menneskeliknande resonnement og planlegging, og bana vegen mot Kunstig Generell Intelligens (AGI).
Medan samtidas AI utmerkar seg på spesialiserte oppgåver, er ambisjonen å låsa opp allmenn klokheit som kan interagera harmonisk med vår uforutseielege verden, og på den måten styrka AI si evne til å ha stor nytte for menneskeheita. Å sjå og læra som eit barn kan vera nøkkelen til å løysa dette potensialet i AI.
Mest viktige spørsmål og svar:
Kva er signifikansen av å etterlikna eit barns perspektiv i AI?
Å etterlikna eit barns perspektiv i AI er signifikant sidan målet er å gje AI-system ei form for «grunngjeving» som menneskeborn naturlig utviklar. Dette inkluderer ei intuitiv forståing for fysikk, språkinnlæring, og evna til å læra frå avgrensa data. Ved å etterlikna desse evnene i AI kunne det føra til framsteg som gjer AI meir tilpassingsdyktig, fleksibel, og i stand til meir menneskeliknande resonnement.
Kva utfordringar er knytte til å læra AI å forstå verda som eit barn?
Utfordringar inkluderer å skapa algoritmar som kan etterlikna dei komplekse kognitive prosessane til småborn, finna passande og etisk innsamla data som representerer eit barns oppleving, og sikra at AI-system generaliserer kunnskap frå avgrensa data utan behov for omfattande tilsyn eller førehandsdefinerte reglar. Vidare er det etiske omsyn knytt til personvern og samtykke når ein samlar inn data frå barn.
Finst det kontroversar knytte til å etterlikna eit småbarns perspektiv i AI?
Det kan vera kontroversar kring bruk av barnas data til AI-forsking, inkludert bekymringar om personvern, samtykke, og potensiell utnytting av slike data. Det er òg debattar om dei langsiktige implikasjonane av å skapa AI som imiterer menneskeleg tankeprosessar, inkludert spørsmål om tryggleik, autonomi, og etisk behandling av intelligente system.
Kva fordelar tilbyr det å læra AI som ein småbarn?
Fordeler inkluderer potensiale for å utvikla AI som raskt kan læra frå sparsom data, på same måte som korleis barn lærer om omgjevnaden sin. Dette kunne skapa meir effektive AI-system som kan tilpassa seg nye og ulike oppgåver utan omfattande omtrening. Det flyttar òg AI nærare AGI, som kunne utføra oppgåver over ei brei skala av domene, på same måte som menneske kan.
Kva ulemper kan oppstå gjennom denne tilnærminga?
Ulemper kan inkludera kompleksiteten og uforutsigbarheten til småborns læring, noko som kan vera vanskeleg å kodar i AI-algoritmar. I tillegg garanterer ikkje etterlikning av menneskeliknande læring i AI at AI vil utvikla fullstendig menneskeliknande forståing eller etisk resonnement, noko som potensielt kan føra til uventa og mogleg farlege åtferdar.
Fordelar og ulemper:
Fordelar:
– Potensiale for å utvikla AI med rask læreaktivitet liknande barn.
– Mindre avhengigheit av store database for trening, potensielt redusere ressurskrav.
– Framsteg mot AGI med evna til å resonnere og planleggja som menneske.
– Betra menneske-AI-interaksjon gjennom meir intuitiv forståing av AI-system.
Ulemper:
– Komplekse etiske implikasjonar kring bruk av barnas data.
– Vanskeleg å modellera nøyaktig nyansane til eit barns læringsprosessar.
– Mogleg misalignment av maskinlæringsresultat med menneskelege verdiar og tryggingsomsyn.
For meir informasjon om AI-forsking, kan du besøke følgande hovuddomener:
– New York University (NYU)
– Google DeepMind
– Meta AI (tidlegare Facebook AI)
Desse lenkene leiar til hovuddomener for dei organisasjonane som er nemnde i artikkelen og er relaterte til AI-forsking og -utvikling.
The source of the article is from the blog macholevante.com